对病毒宿主跳跃的研究——特别是从动物到人类，反之亦然——对于理解传染病出现的动态及其对公共卫生和生物多样性保护的影响至关重要。在最近的 COVID-19 大流行的背景下，科学界加紧努力，阐明这些人畜共患病(动物到人类)和人为疾病(人到动物)传播的机制。新发表在《Nature Ecology & Evolution》的这项，深入研究了促进病毒宿主跳跃的进化机制。该工作基于广泛的病毒基因组数据集，并挑战了病毒宿主跳跃主要源自动物(并转移到人类)的普遍观念。

  作者利用现有的公共数据全面分析了与人畜共患和人为宿主跳跃相关的病毒的遗传进化模式，特别是那些表现出广泛宿主范围的病毒。通过比较不同病毒家族的59,000个病毒序列，重建了跨越物种障碍的病毒进化场景(图1)。

  图1|从病毒式拉帮结派到全球病毒式传播网络

  a，生成一个病毒的稳健分类。通过将公开可用的病毒序列与相关宿主聚类来衍生病毒派系。b，然后使用每个派系创建有根的系统发育，并在每个内部节点推断祖先序列和宿主。反过来，这些系统发育使他们能够推断跳跃的方向性，并测量沿每个分支的病毒序列上留下的进化特征。c，通过考虑该数据集的整体性，通过宿主跳跃共享的脊椎动物感染病毒的全球网络开始出现，并将作为病原体监测的有用工具。

  由于病毒体形状、复制周期、遗传物质和传播方式的巨大多样性，病毒的分类非常不统一，这导致了一个复杂且不断发展的分类系统，可以容纳广泛的病毒特征和行为。这种一致性的缺乏使得跨不同基因组数据集的病毒识别和分组标准化变得更加复杂。为了应对这一挑战，该研究开发了一种自动化手册，可以构建密切相关的“病毒派系(viral cliques)”作为操作分类单位。该程序将不同的病毒种类分组为单个派系，并且在其他情况下，将单个病毒种类分成不同的派系。由此产生的5,128个派系成为根据遗传相似性对病毒进行分类的标准化框架，而不是依赖传统的(通常是不一致的)分类法。

  研究人员推断了所有病毒派系的系统发育。反过来，这些被用来重建祖先宿主状态以及所有树的内部树节点中的祖先序列，以研究这些“宿主跳跃”分支上发生的变化尽管大多数病毒派系没有表现出跳跃，但有些病毒团系却频繁跳跃到新宿主。这种效应可能是病毒使用的非常广谱的感染机制的产物，或者是病毒在宿主细胞中的感染策略的非常保守的目标的产物。

  出人意料的是，该研究观察到病毒宿主从人类转移到动物的频率几乎是相反情况的两倍。尽管人与动物疾病传播的存在——影响多种物种，包括陪伴动物、牲畜和野生动物——在之前的工作中已有记录，但这种传播方式在科学文献和公众中相对较少受到关注。普遍的观点是，由于野生动物中病毒的多样性，人畜共患传播更为常见;许多重要的流行病和流行病被认为起源于动物宿主，然后传播给人类的历史背景;以及人类通常是病毒“死胡同(dead-end)”宿主的假设。

  该研究提出的方法还使他们能够评估与宿主跳跃相关的分支的选择性压力，这反映在非同义密码子与同义密码子替代率 (dN/dS) 的比率上。具体来说，作者观察到与没有跳跃的分支相比，与宿主跳跃相关的分支的dN/dS率更高。这些分析表明，某些病毒——尤其是那些具有广泛感染机制的病毒——具有感染新宿主的有利突变，因此易于在宿主之间跳跃。

  然而，这项研究并非没有局限性。作者承认数据集中固有的抽样偏差，该偏差主要偏向人类和家畜病毒，并且存在地理抽样差异。他们试图通过排列测试和二次抽样分析来控制这一点，这提供了确凿的证据，证明结论不会因抽样规模不均匀而混淆。但解决更微妙的挑战(例如人类、家畜和野生动物病毒感染的监测和报告水平不同)仍然很复杂。

  这些差异体现了“大数据”分析中面临的固有困难，其中数据集的广泛性和异构性(根据各种手册和不同的目标收集)引入了潜在的混杂因素。科学界对于如何处理此类分析存在一定分歧。一些人主张完全避免此类分析，并认为风险大于收益。我们赞成采取更加差异化的方法，认识到这些分析的价值及其局限性——承认未来的研究可能会揭示未知的偏见或挑战最初的解释。

  此外，更系统和统一的数据收集实践将大大有助于解决当前的问题：通过标准化用于收集和报告数据的方法，科学界可以减少不受控制的混杂因素的发生率。在宏基因组研究中可以观察到的病毒圈的绝对多样性凸显了我们对全球感染和转移情况的了解相对有限。随着廉价且无处不在的测序技术的出现，掌握多种环境中病毒进化的脉搏变得可能。以这项工作为基础的新的可扩展宏基因组分析管道可以与广泛的病原体监测联系起来，在相互关联的病毒生态系统的背景下制定数据驱动的微创预防措施。

  这项研究为病毒宿主跳跃的复杂动态提供了有趣的见解，但也强调需要更系统的基因组监测和超越物种和地理界限的协作性全球健康框架，随着时间的推移，这可能会导致病毒感染率降低。有偏见的数据收集。通过将全面的病毒基因组数据与生态和环境见解相结合，我们可能会更好地预测、预防和减轻病毒溢出。

  参考文献：Tan, C.C.S., van Dorp, L. & Balloux, F. The evolutionary drivers and correlates of viral host jumps. Nat Ecol Evol (2024). https://doi.org/10.1038/s41559-024-02353-4

  Moi, D., Dessimoz, C. Frequent jumps from human hosts. Nat Ecol Evol (2024). https://doi.org/10.1038/s41559-024-02377-w